인공 지능, 머신 러닝, 데이터 과학이라는 세 분야는 사람들이 종종 오해하고 서로 바꿔 사용합니다. 이 세 분야는 모두 관련이 있지만, 세 가지 매우 독립적인 연구 분야를 말합니다. 여기서는 각각을 자세히 설명합니다 시장성테스트.

인공지능

인공 지능은 인간 뇌의 사고와 의사 결정 과정을 시뮬레이션하는 과학 분야를 말합니다. 인간의 뇌가 기능하는 방식과 유사한 방식으로 인공 신경망을 만들어 이를 수행합니다. 인공 지능은 적절하게 개발하면 거의 모든 삶의 방식에 응용될 수 있습니다. 그러나 기계는 본질적으로 멍청하며 지능적으로 행동하게 하려면 매우 복잡한 프로그래밍 및 컴퓨팅 리소스가 필요합니다.

인공 지능은 크게 두 부분으로 나뉩니다. (i) 일반 인공 지능: 이는 광범위한 상황에서 결정을 내릴 수 있는 기계의 능력을 말합니다. (ii) 좁은 인공 지능: 이는 매우 정확하게 하나의 특정 상황을 처리할 수 있는 기계의 능력을 말합니다. 예를 들어, 일반 AI 기계는 모든 보드 게임을 똑같이 쉽게 할 수 있어야 하지만 좁은 AI 기계는 단 하나의 보드 게임만 매우 효율적으로 할 것입니다. 오늘날 활동 중인 대부분의 AI는 좁은 AI입니다. 일반 AI는 여전히 먼 꿈입니다.

머신러닝

머신 러닝은 컴퓨터 프로그램이 주변 환경에서 학습하여 시간이 지남에 따라 더 똑똑해지는 능력입니다. 좋은 인공 지능 알고리즘은 반복해서 코딩할 필요가 없으며, 경험을 통해 시간이 지남에 따라 기계가 더 똑똑해질 수 있습니다. AI는 예측 분석을 수행하는 데에도 사용할 수 있습니다.

대부분의 최신 데이터 과학 접근 방식은 세 가지 기본 모델로 광범위하게 분류할 수 있습니다. (I) 지도 학습: 여기서 데이터는 샘플 세트를 받고 정보가 무엇을 의미하는지 명확하게 알려줍니다. 이 정보를 사용하여 데이터는 머신에 공급되는 미래 데이터의 특성에 대해 지능적으로 추측할 수 있습니다. (ii) 비지도 학습: 비지도 기계 학습은 머신에 모든 정보를 공급하고 기계가 알고리즘에 코딩된 내재적 논리에 따라 데이터 자체를 분류하는 방법론을 의미합니다. (iii) 강화 학습: 여기서 머신은 환경과 상호 작용하여 학습한 다음 환경이 제공한 피드백에 따라 동작을 분석합니다. 예를 들어 알고리즘이 체스 게임을 하는 경우 게임 결과에 따라 전체 게임을 분석합니다.

데이터 과학

데이터 과학은 단순히 주어진 양의 정보에서 관련 정보를 추출하는 것입니다. 데이터 과학은 컴퓨터 프로그래밍, 통계 및 패턴 인식과 같은 과학 분야에서 광범위하게 사용됩니다. 데이터 과학은 소규모 데이터 세트와 거대한 데이터베이스를 모두 다룹니다.

데이터 과학은 인공 지능